Dynamics of multi-stage infections on networks
本文研究了传染期为非指数分布的传染病的动力学问题。这是通过考虑网络上的多阶段感染模型来实现的。使用两两近似与标准的封闭,一些重要的疾病动力学特性的推导分析,包括最终规模的流行病和流行病爆发的阈值,它示出这些数量如何依赖于疾病的特征,以及疾病阶段的数量。随机模拟网络上的动态进行比较成对模型的结果,几个现实的例子,传染病,以说明所发挥的作用,在疾病动态的阶段数。这些结果表明,疾病阶段数越多,流行病爆发的速度越快,流行病的高峰期越高,最终流行病的规模也越大。在我们考虑的情况下,成对和模拟方法之间的协议是优秀的。
2015-11-19 nlin.AO physics.soc-ph q-bio.PE
Population heterogeneity in vaccine coverage impacts epidemic thresholds and bifurcation dynamics
人群异质性,特别是个体接触网络的异质性,在传染病传播动力学中起着重要作用。对于疫苗可预防的疾病,疫苗犹豫和疫苗供应等突出问题进一步导致各群体之间的覆盖率不一致,更不用说疫苗的功效和各群体之间的混合模式了。随着持续的COVID-19大流行转变为地方性流行,了解上述人群异质性对流行病的出现和持续的影响具有重要意义。在这里,我们分析了流行阈值和分叉动力学的特点,占异质性所造成的群体依赖性的特点,包括疫苗接种率和有效性以及疾病的传播。我们的分析表明,群体之间疫苗接种覆盖率差异的增加可以使疾病负担的多重均衡存在,即使总体基本生殖比低于1(也称为后向分叉)。其他异质性因素的存在,如疫苗效力、传播、混合模式和群体大小的差异,都可能对分叉产生微妙的影响。我们发现,疫苗效力的异质性可能会破坏向后分叉的条件,而同质性往往会加剧疾病的流行。我们的研究结果具有实际意义,通过解决人口异质性在疾病传播和控制中的作用,改善公共卫生工作。
2022-12-28 physics.soc-ph q-bio.PE
Disease dynamics on a network game: a little empathy goes a long way
个人在流行病期间改变他们的行为,以应对他们和/或与他们互动的人是健康还是生病。健康的人担心从患病的接触者那里感染疾病,并可能采取保护措施。病人可能担心将疾病传播给健康的接触者,并采取先发制人的措施。然而,在实践中,无论是保护性的还是先发制人的行为变化都是有代价的。本文提出了一个随机网络疾病博弈模型,该模型捕捉了易感-感染-易感(SIS)疾病传播过程中个体的自身利益,其中个体对当前疾病传播风险做出反应,他们的反应与当前疾病状态一起随机决定疾病的下一阶段。我们表明,有一个关键的关注水平,即,同理心,由生病的人,超过这个疾病被根除的速度。此外,我们发现,如果网络和疾病的参数是在流行阈值以上,风险规避行为的健康个体不能根除疾病,没有先发制人的措施,患病的个人。在根除疾病方面,受感染者与易感者之间的反应所起作用的这种不平衡,提供了重要的政策见解。
2016-04-15 cs.SI physics.soc-ph
Phase diagram of epidemic spreading - unimodal vs. bimodal probability distributions
在SIR模型下研究了复杂网络上的疾病传播问题。对经验复杂网络的模拟揭示了两种特定的疾病传播机制:局部遏制和流行病爆发。衡量疾病传播程度的变量一般具有双峰概率分布的特征。介绍了经验复杂网络的疾病传播相图。对多叉树上疾病传播的理论模型进行了分析和模拟研究。结果表明,该模型再现了经验复杂网络中观察到的疾病传播相图的定性特征。讨论了复杂网络的树状结构在疾病传播中的作用。
2009-12-03 physics.soc-ph
Localization, epidemic transitions, and unpredictability of multistrain epidemics with an underlying genotype network
长期以来,疾病数学模型的运作都是基于这样的假设:任何一种传染病都是由一种在人群中传播的可传播病原体引起的。这一模式有助于简化流行病的生物学现实,并使建模界能够专注于人口结构和干预措施等其他因素的复杂性。然而,越来越多的证据表明,病原体的菌株多样性及其与宿主免疫系统的相互作用可以在塑造流行病的动态方面发挥重要作用。在这里,我们介绍了一个疾病模型与潜在的基因型网络占两个重要的机制。第一,这种疾病在宿主群体中传播时可以沿着网络途径发生突变。第二,基因型网络使我们能够定义菌株之间的遗传距离,从而对现实世界病原体中经常观察到的免疫超越进行建模。我们研究了这个模型中流行病的出现,通过其流行病相变,并强调了基因型网络在驱动疾病周期性,大规模波动,连续流行病转变以及相关病原体特定菌株周围的定位中的作用。更一般地说,我们的模型说明了丰富的行为是可能的,即使在混合良好的主机人口,一旦我们考虑应变多样性和超越“一种疾病等于一种病原体”的范例。
2021-06-01 physics.soc-ph q-bio.PE
Using symbolic networks to analyse dynamical properties of disease outbreaks
本文提出了一种新的分析流行病时间序列演化的方法,该方法基于流行病网络的构建。首先,我们将时间序列转化为包含疾病流行率局部波动信息的有序模式。每个模式都与网络的一个节点相关联,其(有向)连接来自系列中的连续出现。网络结构和每个模式的作用的分析,允许根据熵/复杂性的增强沿着系列对它们进行分类,给出关于给定疾病的演变的不同观点。
2019-11-13 physics.bio-ph physics.data-an physics.soc-ph
Modeling contagious disease spreading
提出 Ising-SIR 模型,通过 Monte Carlo 模拟研究空气传播与直接接触传播机制对疾病扩散动力学的影响,发现不同机制导致不同增长指数,并预测多种时空模式。
2024-09-02 cond-mat.soft cond-mat.stat-mech physics.soc-ph
Prudent behaviour accelerates disease transmission
传染病在接近高峰期时的传播速度往往比根据早期传播数据预测的要快。尽管这种现象具有共性,但没有已知的一般机制能够导致指数传播的疾病开始更快地传播。事实上,现实世界社交网络的大多数特征,如群集1、2和社区结构3,以及人类行为的大多数特征,如社交距离4和增加的风险5,都将减缓疾病的传播。在这里,我们考虑一个模型,其中具有基本社会角色的个人-例如教师,第一反应者,卫生保健工作者等-生病的人被健康的人取代。我们把这个过程称为关系交换。关系交换也是一种行为过程,但对疾病传播的影响不那么明显。通过将这种行为纳入一个动态网络模型,我们证明,更换个人可以加速疾病传播。此外,我们发现,这个过程的影响是微不足道的,当考虑一个标准的质量作用模型,但戏剧性的网络结构时。这一结果凸显了大规模行动模型的另一个关键缺陷,即它们无法解释行为过程。最后,使用经验数据,我们发现,这种机制可以很好地解释超过17年的流感和登革热病毒数据中观察到的模式。我们预计,我们的研究结果将推动新兴的疾病预测领域,并将更好地为疫情期间的公共卫生决策提供信息。
2015-09-02 nlin.AO physics.soc-ph q-bio.PE
Disease spread through animal movements: a static and temporal network analysis of pig trade in Germany
背景:动物贸易在牲畜群体中传染病的传播中起着重要作用。作为一个案例研究,我们考虑在德国的生猪贸易,在那里的贸易参与者(农业处所)形成一个复杂的网络。核心问题是传染病如何可能在贸易接触系统内传播。我们通过分析动物运动的潜在网络来解决这个问题。方法/结果:所考虑的生猪贸易数据集跨越数年,并分析了其传播传染病的潜力。专注于网络拓扑特性的测量,我们避免使用外部参数,因为这些属性是独立于特定的病原体。相反,它们对于理解这个特定网络上的任何一般传播过程都非常重要。我们使用不同的网络模型来分析系统,这些模型包括不同的信息量:(i)静态网络,(ii)作为不相关快照的时间序列的网络,(iii)时间网络,其中明确考虑因果关系。研究结果:我们的方法提供了一个总体框架的拓扑-时间特性的牲畜贸易网络。我们发现,一个静态的网络视图捕捉到了贸易系统的许多相关方面,和处所可以分为两个明确定义的风险类别。此外,我们的研究结果允许使用中心性措施的干预措施的有效分配策略。关于贸易量的数据几乎不会改变结果,因此是次要的。虽然静态网络描述会产生有用的结果,但数据的时间分辨率对于深入理解传播过程起着突出的作用。这尤其适用于准确计算最大爆发规模。
2016-03-02 physics.soc-ph q-bio.PE
Applied Probability Insights into Nonlinear Epidemic Dynamics with Independent Jumps
本文构建含无症状传播、疫苗接种及Lévy过程随机效应的SAIRS型流行病模型,证明解的存在唯一性,推导疾病灭绝与持续条件,经数值模拟验证,为疫情防控提供理论依据。
2025-01-13 math.PR nlin.PS physics.soc-ph
A Polarized Temporal Network Model to Study the Spread of Recurrent Epidemic Diseases in a Partially Vaccinated Population
受COVID-19大规模爆发的启发,即使在疫苗接种率高的人群中也会发生,我们提出了一种新的多人群时间网络模型,用于研究复发性流行病的传播。我们研究了人类行为、检测和疫苗接种活动对控制当地疫情和感染流行的影响。我们的建模框架验证了疫苗在预防传播和严重症状发展方面的有效性。此外,该框架考虑了接种疫苗决定的两极分化效应,并捕捉了同质性,即,人们与志趣相投的人交往的倾向。通过平均场方法,我们解析地推导出流行阈值。我们的理论结果表明,虽然疫苗接种活动减轻了医院的压力,但它们可能会促进疫情的重新爆发,突出了检测活动在根除疾病方面可能发挥的关键作用。数值模拟,然后确认和扩展我们的理论研究结果,以更现实的情况。我们的数字和分析结果一致认为,如果不开展大规模的检测活动或依靠人口的责任,疫苗接种不足以实现完全根除。此外,我们表明,同质性在控制局部疫情中起着至关重要的作用,突出了两极分化的网络结构的危险。
2022-09-16 math.DS physics.soc-ph
Strength and weakness of disease-induced herd immunity in networks
该研究通过网络建模揭示疾病诱导群体免疫同时受免疫力偏态分布增强与拓扑局域化削弱两种机制影响,指出低维网络中其效果可能不如随机免疫。
2025-05-19 physics.soc-ph q-bio.PE
Social distancing strategies against disease spreading
传染病的反复发生及其对社会的影响日益严重,促使人们研究减缓传染病传播的策略。本文综述了逾渗理论在描述复杂网络上对抗传染病传播的策略中的应用。本文对链接渗流与传染-恢复模型的关系进行了概述,并引入节点空隙渗流过程来描述由健康个体组成的网络($i.e$)的稀释过程,该网络是维持社会功能的网络。然后,我们调查了两种策略:淬火无序策略,其中在社会中诱导接触强度的异质性分布,以及间歇性社会距离策略,其中健康个体被说服避免与他们的邻居接触间歇性的时间。使用渗流工具,我们表明,这两种策略可以阻止传染病传播。最后,我们讨论了传染率,$i.e$,传播疾病的有效概率,对性能的策略,以减缓传染病传播的作用。
2013-08-09 physics.soc-ph q-bio.PE
Disease Momentum: Estimating the Reproduction Number in the Presence of Superspreading
在传染病研究中,一个感兴趣的主要数量是感染者产生的新感染的平均数量。这个所谓的繁殖数对疾病进展有重要意义。越来越多的文献表明,超级传播,即由个体引起的新感染数量的显著变化,在SARS-CoV-2的传播中起着重要作用。在本文中,我们考虑的效果,这样的超传播的再生数的估计和随后的估计未来的情况下。因此,我们对目前文献中使用的模型进行了简单的扩展,以估计繁殖数量,并对奥地利的COVID-19进展进行了案例研究。我们的模型表明,再生数的估计不确定性随着超扩展而增加,这提高了预测区间的性能。独立感兴趣的是推导出一个透明的公式,该公式将超扩散的程度与再生数的可信区间的宽度联系起来。这对于理解围绕疾病与超级传播的不确定性是一个有价值的启发。
2021-03-15 physics.soc-ph q-bio.PE stat.ME
Prediction of the disease controllability in a complex network using machine learning algorithms
机器学习(ML)技术的应用范围很广,从语音、人脸和字符识别、医疗诊断、数据异常检测到一般的分类、预测和回归问题。在目前的工作中,我们使用基于回归的最新ML技术解决了复杂网络上疾病传播的R_0预测问题。R_0是判定无病流行或地方病状态是否渐近稳定的度量,从而表明疾病传播的可控性。我们预测R_0,基于训练具有复杂网络结构特性的ML模型,而不考虑网络类型。预测是可能的,因为:(a)复杂网络的结构在网络上的传播过程中起着至关重要的作用(b)回归技术,如支持向量回归和人工神经网络模型可以非常有效地用于预测问题,即使是非线性数据。我们使用这些技术对模拟网络和真实网络的R_0进行了很好的预测。此外,ML模型训练在训练时间和内存方面是一次性的投资成本,并且训练好的模型可以用于预测未知/新网络示例的R_0。
2020-05-01 cs.SI physics.soc-ph
Metastable Localization of Diseases in Complex Networks
我们描述了在高度异质性的网络中,强连接的节点(枢纽)发挥作用的本地化中心的流行病SIS模型的本地化现象。我们发现,在这个模型中,低于流行阈值的局域态是亚稳态。亚稳态爆发的寿命和规模并没有显示出急剧的局部化转变,相反,当我们从下面接近流行阈值时,从局部化状态到非局部化状态有一个平滑的交叉。分析这些持久的本地爆发的随机规则图与枢纽,我们展示了如何可以检测到这种本地化的感染节点的数量分布的形状。
2016-10-26 cond-mat.stat-mech physics.data-an physics.soc-ph
Random Spatial Networks: Small Worlds without Clustering, Traveling Waves, and Hop-and-Spread Disease Dynamics
随机网络模型在建模、分析和理解现实网络中的复杂现象方面发挥着重要作用。然而,网络的一个关键属性往往被忽视:许多现实世界的网络表现出空间结构,节点选择邻居的概率取决于物理距离。在这里,我们介绍一类随机空间网络(RSN),它概括了许多现有的随机网络模型,但增加了空间结构。在这些网络中,节点被随机地放置在空间中,并以取决于它们的距离和它们各自的预期度的概率连接在边缘上,以一种关键的方式保持分析上的易处理性。我们使用这个网络类提出了一个新的泛化的小世界网络,在图中的平均最短路径长度是小的,在经典的Watts-Strogatz小世界网络,但与空间接近的节点是邻居在网络中发挥大集群的作用。小世界效应表现在这些空间小世界网络没有聚类。我们能够推导出偏积分-微分方程的控制通过RSN传播的传染病恢复,我们证明了行波解的存在性。如果距离核控制边缘位置的衰减速度慢于指数,人口规模的动态主要是由长程跳其次是本地传播的行波。这为最近观察埃博拉等流行病如何在现代互联社会中演变提供了一个理论建模框架,远程连接播种了新的焦点,流行病以波浪式的方式在当地传播。
2017-02-04 nlin.PS physics.bio-ph physics.soc-ph